智能服务机器人于是以沦为行业的风口浪尖，从清理机器人开始，家庭陪伴机器人、送餐机器人等相继转入公众视线。　　在辩论这类机器人否能解决问题实际问题时，自律定位导航技术作为机器人智能化的第一步于是以大大引发行业内的推崇。同时，作为自律定位导航技术的最重要突破口，SLAM技术也沦为注目焦点。

　　正如图中右图，机器人自律定位导航技术中还包括定位、地图创立与路径规划（运动控制），而SLAM本身只是已完成机器人的定位和地图创立，二者有所区别。　　　　那么，SLAM技术到底是如何构建的？它有哪些难题？机器人如何构建路径规划和自动导航系统？究竟什么样的扫地机器人才算智能？　　这些问题，小编将为你一一答案，率领大家理解机器人自律移动的秘密。

　　今天，我们再行从SLAM想起。　　SLAM是实时定位与地图建构(SimultaneousLocalizationAndMapping)的简写，最先由HughDurrant-Whyte和JohnJ.Leonard明确提出。

　　只不过，SLAM更加看起来一个概念而不是一个算法，它本身包括许多步骤，其中的每一个步骤皆可以用于有所不同的算法构建。主要用作解决问题移动机器人在不得而知环境中运行时即时定位与地图建构的问题。　　当你身处异地，怎么精确寻找能到的地方？在户外迷路时，怎么寻找回家的路？到底，我们有导航系统软件和户外地图。

　　和人类绘制地图一样，机器人叙述环境、了解环境的过程主要就是依赖地图。它利用环境地图来叙述其当前环境信息，并随着用于的算法与传感器差异使用有所不同的地图叙述形式。　　机器人学中地图的回应方法有四种：栅格地图、特征地图、必要密切相关法以及流形地图。

　　1、栅格地图　　机器人对环境地图的叙述的方式最少见的为栅格地图(Gridmap)或者称作OccupancyMap。栅格地图就是把环境区分成一系列栅格，其中每一栅格等价一个有可能值，回应该栅格被占有的概率。　　　　这种地图看上去和人们所理解的地图没什么区别，它最先由NASA的AlbertoElfes在1989年明确提出，在火星观测车上就用到过，其本质是一张RGB图片，但其中每个像素则回应了实际环境中不存在障碍物的概率分布。

　　一般来说，使用激光雷达、深度摄像头、超声波传感器等可以必要测量距离数据的传感器展开SLAM时，可以用于该地图。这种地图也可以通过距离测量传感器、超声波（早期）、激光雷达（现在）绘制出来。　　2、特征点地图　　特征点地图，是用有关的几何特征（如点、直线、面）回应环境，多见于vSLAM（视觉SLAM）技术中。

　　　　比起栅格地图，这种地图看上去就不那么直观了。它一般通过如GPS、UWB以及摄像头因应稠密方式的vSLAM算法产生，优点是比较数据存储量和运算量较为小，常见于最先的SLAM算法中。

本文来源：新京葡萄官方网站-www.renewskincarellc.com